Barocaloric phase transformation from data efficient fine-tuning of machine learned interatomic potentials
本研究は、わずか5から10のDFT構成を用いてMACE-MPA-0基盤モデルをファインチューニングすることで、機械学習原子間ポテンシャルが硫酸アンモニウムのバリカロリック相転移を正確に再現可能であることを実証しており、これはスクラッチからの学習におけるデータ効率の低さを克服すると同時に、正しい相挙動の記述には分散補正とハイブリッドDFTレベルが必要であることを浮き彫りにしている。